Selain itu, dari Tabel tersebut juga dijelaskan bahwa angka signifikansi hubungan antara tingkat kunjunga per 1000 penduduk dengan biaya perjalanan
adalah sebesar 0,001 Sig 0,05 dan hubungan tingkat kunjungan per 1000 penduduk dengan biaya kesediaan membayar adalah 0,00 Sig 0,05. Artinya
bahwa jika angka signifikansi Sig 0,05 maka ada hubungan yang signifikan antar kedua variabel tersebut.
4.1.3. analisis koefisien determinasi
Koefisien Determinasi digunakan untuk mengetahui besarnya persentasi variabel terikat yaitu tingkat kunjungan per 1000 penduduk yang dapat diprediksi
dengan menggunakan variabel bebas yaitu biaya perjalanan dan biaya kesediaan membayar willingness to pay. Selain itu, Koefisien Determinasi juga dapat
digunakan untuk menghitung besarnya pengaruh kedua variabel bebas terhadap variabel terikat namun bergantung pada jumlah prediksi biayanya. Untuk lebih
jelasnya dapat dilihat pada Tabel 16 berikut ini. Tabel 16. Koefisien determinasi dengan Model summary
b
Model summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.808a 0,652
0,614 0,017
a
Prediktor : konstan biaya perjalanan, biaya kesediaan membayarwillingness to pay
b
Dependent variabel: tingkat kunjungan per 1000 penduduk
Berdasarkan Tabel 16 bahwa angka R Square angka korelasi atau r yang dikuadratkan adalah sebesar 0,652. Berdasarkan angka R Square atau angka
koefisien determinasi sebesar 0,652 65,2 maka dapat digambarkan bahwa sebesar 65,2 jumlah prediksi tingkat kunjungan per 1000 penduduk yang terjadi
terhadap konservasi satwa liar pada ruang terbuka hijau kota medan di kompleks perumahan cemara asri medan dapat dijelaskan dengan menggunakan variabel
Universitas Sumatera Utara
jumlah biaya perjalanan dan biaya kesediaan membayar. Sedangkan sisanya, yaitu 34,8 1,00-0,652 dapat dijelaskan oleh faktor-faktor penyebab lainnya.
Sedangkan, jika dilakukan pengunjian secara parsial atau terpisah antara tingkat kunjungan per 1000 penduduk dengan biaya perjalanan, dan tingkat kunjungan
per 1000 penduduk dengan biaya WTP, maka besarnya R Square adalah sebagai berikut ini.
Tabel 17. Koefisien Determinasi berdasarkan Pengujian secara Parsial
Model Summary
b
R R Square
Adjusted R Square
Std. Error of the Estimate
Biaya perjalanan .643a
0,414 0,383
0,022 Biaya WTP
.796a 0,634
0,614 0,017
a
Prediktor : konstan biaya perjalanan dan biaya WTP
b
Dependent variabel: tingkat kunjungan per 1000 penduduk
Berdasarkan Tabel 17, maka dapat disimpulkan bahwa persentasi prediktor biaya WTP lebih besar dibandingkan dengan biaya perjalanan dalam
menjelaskan tingkat kunjungan per 1000 penduduk yang terjadi terhadap konservasi satwa liar pada ruang terbuka hijau di kota medan yaitu pada kompleks
perumahan cemara asri Medan. besarnya persentasi prediktor biaya WTP dan biaya perjalanan dalam memprediksi tingkat kunjungan per 1000 penduduk
masing-masing adalah 63,4 dan 41,4. Selain itu, pada Tabel 16 di atas dapat juga diketahui besarnya
Standard Error Of Estimate SEE ialah 0,017 untuk tingkat kunjungan per 1000 penduduk. Jika dibandingkan dengan angka standard deviasi STD tingkat
kunjungan per 1000 penduduk sebesar 0,028 Tercantum pada Tabel 14 maka angka tersebut lebih kecil. Angka tersebut menunjukan bahwa angka SEE baik
untuk dijadikan angka prediktor dalam menentukan tingkat kunjungan per 1000 penduduk terhadap konservasi satwaliar pada ruang terbuka hijau kota medan
Universitas Sumatera Utara
berdasarkan tipe lahan basah yaitu yang ada di kompleks perumahan cemara asri Medan. hal ini sesuai dengan pernyataan Sarwono 2009 bahwa angka yang baik
untuk dijadikan prediktor variabel tergantung dependent variable, angka standard error of estimate harus lebih kecil dari angka standard deviasai
SEESTD.
4.1.4. Analisis uji kelayakan model regresi.
